에이전트 기반 서비스, 어떻게 팔까 — GTM 플레이북

개요 — 에이전트 버티컬 솔루션과 '지금'의 기회

정의: 수평형 AI·기존 SaaS와 무엇이 다른가

**버티컬 AI 에이전트(vertical AI agent)**는 특정 산업·직무의 전체 워크플로를 자율적으로 실행하는 소프트웨어다. ChatGPT·Claude·Copilot 같은 수평형(horizontal) AI가 "어떤 일에도 쓸 수 있는 범용 도구"라면, 버티컬 에이전트는 법률 실사, 보험금 청구, 환자 차트 작성처럼 규제와 도메인 지식이 깊은 한 가지 일을 끝까지 처리한다.

기존 SaaS와의 본질적 차이는 판매하는 단위에 있다. Bessemer Venture Partners의 표현을 빌리면, 버티컬 AI는 "기록의 시스템(system of record)"을 "작업의 시스템(system of work)"으로 재해석한다. 결과적으로 공략 예산이 달라진다.

Bessemer는 LLM 네이티브 버티컬 기업이 전통 버티컬 SaaS 대비 약 400% YoY 성장, 65% 총이익률을 유지하며 평균 계약금액(ACV)의 80% 수준까지 빠르게 도달했다고 분석한다.

왜 '지금' 부상하는가 — 세 가지 트리거

1) 기술 트리거. 추론(reasoning) 모델·도구 호출(tool use)·MCP 같은 표준 인터페이스로, 에이전트가 다단계 작업을 스스로 계획·실행할 수 있게 됐다. Gartner는 2026년까지 엔터프라이즈 앱의 40%가 작업 특화(task-specific) AI 에이전트를 탑재(2025년 5% 미만에서 급증)할 것으로 본다.

2) 시장 트리거. Gartner는 조직들이 2026년 약 2,019억 달러를 에이전틱 AI에 지출(전년 대비 +141%)하고, 2035년에는 에이전틱 AI가 엔터프라이즈 앱 매출의 약 30%(4,500억 달러+)를 차지할 수 있다고 전망한다. 특정 영역의 성장은 더 가파르다 — 예: 에이전틱 AI 탑재 공급망 소프트웨어는 2025년 20억 달러 미만 → 2030년 530억 달러.

3) 자본 트리거. 자본이 카테고리 리더에 집중되고 있다. Sierra(고객 서비스)는 2025년 10월 ARR $100M(전년比 +400%), 평가액 약 $15.8B. Harvey(법률)는 2026년 시리즈E로 평가액 $5B, Decagon(고객 지원)은 $4.5B에 도달했다. 자본이 "지금 들어가야 하는 창(window)"임을 가격으로 신호하고 있다.

새로운 가치: '작업 자동화'에서 '성과 단위 판매'로

GTM 관점의 핵심 전환은 과금 모델이다. 시트당 구독이 아니라 성과가 나왔을 때만 과금한다.

• Intercom Fin: 해결 건당 $0.99(실패한 대화는 과금하지 않음). 해결률을 출시 시 ~27%에서 **67%+**까지 끌어올리며 첫 $100M ARR 달성.
• Decagon / Sierra: 협상된 per-outcome 단가(공개 비공개), 엔터프라이즈 계약은 통상 연 $150K+.
• Salesforce Agentforce: Flex Credits(10만 크레딧당 $500) 등 소비량+성과 혼합형.

성과 과금은 강력하지만 새로운 마케팅 난제를 만든다. 실무자는 다음을 동시에 설계해야 한다.

• 추론 비용 vs 단가 마진: 해결 1건당 토큰·도구 호출 비용이 단가를 잠식한다. "성과 단가 − 추론 원가 = 단위 마진"을 대시보드 1순위로 둘 것.
• '성과'의 정의 합의: 무엇이 '해결'인지 계약서에 못 박아야 분쟁이 없다(예: 재문의 없이 24시간 내 종결).
• 신뢰·평가(eval): Intercom은 목표 해결률 미달 시 환불하는 $1M 성과 보증으로 신뢰를 구축했다. 도메인별 *평가셋(golden set)*과 회귀 테스트가 곧 제품 방어막이다.
• 휴먼인더루프: 인간은 '실행자'에서 '시스템 설계자·엣지케이스 감독자'로 이동한다. 이 거버넌스 콘솔(감사 로그·승인 게이트)이 규제 산업 영업의 결정타다.

시장 규모·성장 시그널과 대표 카테고리

AI 에이전트 시장은 **2025년 $78.4억 → 2030년 $526억(CAGR ~46%)**로 추정된다(MarketsandMarkets). 산업 특화 솔루션의 성장률(36.5% CAGR)이 범용 도구(18.9%)를 크게 앞선다는 IDC 시그널도 같은 방향이다.

실무 진입 시 참고할 대표 카테고리·벤더:

실무 체크리스트(진입 의사결정 기준):

1. 이 워크플로는 인건비/외주 라인에서 예산이 나오는가? (예 → 매력적)
2. '성공'을 객관적으로 측정·검증할 수 있는가? (성과 과금 가능 여부)
3. 도메인 평가셋과 독점 데이터로 방어막을 만들 수 있는가?
4. 규제·감사 요건상 휴먼인더루프가 영업 무기가 되는가?
5. 해결 1건당 추론 원가가 단가 대비 지속 가능한 마진을 남기는가?

이 다섯 질문에 '예'가 많을수록, 수평형·기존 SaaS가 침범하기 어려운 방어 가능한 버티컬 에이전트 GTM이 성립한다.

시장 지형 & 경쟁 구도

에이전트 시장의 근본 전환은 판매 단위의 변화다. 과거 SaaS는 "CRM 라이선스 50석"을 팔았지만, 버티컬 에이전트는 "월 5,000건 티켓 처리"라는 완료된 업무를 판다. 이 한 줄이 가격 모델, 해자, 경쟁 구도를 모두 재편한다. 시장 규모도 가파르다 — AI 에이전트 시장은 2025년 약 76억 달러에서 2026년 109억 달러(+45% YoY)로 추정되고, Bessemer는 버티컬 AI 시가총액이 레거시 SaaS 대비 10배까지 커질 수 있다고 본다.

수평형 vs 버티컬: 경쟁 레이어가 다르다

• 수평형(horizontal): OpenAI·Anthropic의 범용 모델, LangChain·Microsoft Copilot Studio·Salesforce Agentforce 같은 플랫폼. 넓은 분포·낮은 단위 비용이 강점이나, 특정 워크플로우 깊이가 얕다.
• 버티컬(vertical): 법률 Harvey, 헬스케어 Abridge·Ambience, 코딩 Cursor, 고객지원 Sierra·Intercom Fin이 대표. 도메인 데이터·규제·SOP(표준작업절차)를 코드화해 엔드투엔드 워크플로우를 자동화한다.

핵심: Harvey·Sierra가 내부에서 Claude/GPT를 돌려도, 해자는 모델이 아니라 데이터·통합·코드화된 SOP에 있다. 버티컬 리더의 리텐션은 수평형 대비 30~50% 높고, 전문 에이전트는 3~5배 높은 리텐션을 보인다는 분석이 있다.

기존 SaaS 인커번트의 AI화: 애드온 vs 네이티브

에이전트가 좌석을 대체하면 seat 라이선스 매출이 줄어드는 위협에 인커번트는 두 갈래로 대응한다.

마케팅 시사점: 인커번트의 무기는 **기존 고객 채널(distribution)**이다. 버티컬 스타트업은 "전문성 깊이 + 성과 입증"으로 이 분포 우위를 정면 돌파해야 한다. (투자자 반응은 좌석 잠식 우려가 적은 ServiceNow형 포지셔닝에 더 우호적이었다.)

버티컬 에이전트 스타트업 유형

1. 워크플로우 리플레이서: 인테이크→판단→실행 전체를 대체 (Sierra의 고객지원).
2. 전문가 코파일럿→에이전트 진화형: 검토·초안에서 자율 실행으로 확장 (Harvey).
3. 데이터 캡처형: 기록·전사를 점유해 평가셋·피드백 루프로 전환 (Abridge의 진료 기록).

Build vs Buy: 실무 의사결정 기준

조직의 56~57%가 이미 **하이브리드(blended)**를 택한다(KPMG). 그러나 Gartner는 2027년까지 에이전트 프로젝트의 40% 이상이 비용·불명확한 가치·거버넌스 격차로 취소될 것으로 본다. 의사결정 체크리스트:

• 3축 스코어링: ① 워크플로우 고유성, ② 데이터 민감도(벤더에 공유 가능한가), ③ 전략적 차별성. 세 축 모두 높으면 Build.
• TCO 분기점: 패키지 플랫폼 vs 커스텀 스택의 손익은 연 약 100만 대화 규모에서 부호가 바뀐다. 커스텀 MVP는 5만~10만 달러, 멀티에이전트 풀스택은 25만~40만 달러+, 운영비는 연 12만 달러+ 시니어 엔지니어 + 6만~8만 달러 관측(observability).
• 성공률 현실: 벤더 주도 67% vs 순수 내부 빌드 33%.
• 규제 락인: 데이터가 법적으로 인프라를 벗어날 수 없으면 "가장 싼 API" 옵션은 후보에서 제외된다(HIPAA·GDPR·Basel III).

대표 카테고리 & 사례(2025~2026)

국내도 한화큐셀(Azure AI로 에너지 인허가 문서 분석, 출시속도 30%+ 개선), KB라이프·LG전자·이마트 등 도입이 진행 중이며, 올거나이즈·뤼튼·솔트룩스 등이 버티컬 솔루션을 공급한다.

경쟁 축과 해자(moat)

해자는 두 종류로 나눠 메시지를 설계하라:

• 방어적 해자(floor 설정): 규제 인증, 휴먼 사인오프 요건, 컴플라이언스 인프라 — 대체 속도를 늦춘다.
• 생성적 해자(gap 확대): 누적 데이터, 교차 고객 시그널(contextual data network effect), 워크플로우 커버리지 확장 — 시간이 갈수록 격차를 벌린다. 가장 견고한 회사는 둘 다 갖는다(a16z의 "collaboration layer").

에이전트 특유의 마케팅 이슈를 메시지 축으로:

• 성과 단위 판매: "건당 $0.99", "해결당 과금"처럼 가치 단위를 명시. 단, '해결(resolution)'의 정의(확정/추정 해결)를 계약서에 못박아 마진 누수를 막아라.
• 추론 비용: 성과 가격이 추론 비용을 밑돌면 마진이 음수가 된다. 단가·모델 라우팅이 곧 단위 경제(unit economics) 메시지다.
• 신뢰/평가: NIST AI RMF의 유효성·안전·투명성·책임성은 출시 체크박스가 아닌 운영 비용. 평가셋·정확도·환각률을 세일즈 자료에 수치로 제시하라.
• 휴먼인더루프: 규제 산업에선 사인오프가 디폴트. "자율성 다이얼"(어디까지 자동, 어디부터 사람)을 제품·마케팅 공통 언어로 만들어라.

포지셔닝 & 카테고리 디자인

버티컬 AI 에이전트의 포지셔닝은 일반 SaaS와 결정적으로 다르다. 핵심은 구매 예산의 이동이다. 버티컬 SaaS는 CIO/부서장이 승인하는 소프트웨어 예산에 들어갔지만, 버티컬 AI는 COO·CFO가 승인하는 인건비(labour) 예산에 들어간다. 예: 임대관리 회사가 리스 소프트웨어에 연 $30K를 쓰지만 리스 인력에는 $300K를 쓴다 — 에이전트가 "일을 대신 수행"하는 순간 시장 규모가 10배로 재정의된다. 포지셔닝의 첫 과제는 이 더 큰 예산 라인을 겨냥하는 것이다.

1. 포지셔닝 프레임 (April Dunford 5요소)

April Dunford의 Obviously Awesome 프레임을 에이전트 맥락에 맞춰 채운다. 상향식(best customer → category)으로 작업한다.

2. "소프트웨어가 아니라 성과를 판다" 내러티브

AI는 가치가 아니라 기술이다. 따라서 메시지·가격·증거를 **성과 단위(unit of outcome)**로 정렬한다.

• 성과 단위 판매: per case, per filing, per resolved ticket 등 처리 완결 단위로 과금. seat 수가 아니라 완료된 일에 청구한다.
• 추론 비용 관리: 성과 과금은 마진을 토큰/추론 비용에 노출시킨다 → COGS(건당 추론비)를 가격 모델에 반영하고, 하이브리드(기본료+사용량)로 마진 하한을 보호한다.
• 평가/신뢰: 성과를 팔려면 성과를 증명해야 한다. 정확도 벤치마크, eval 리포트, SLA(예: 95% 자동처리, 5% 휴먼 에스컬레이션)를 증거로 제시.
• 휴먼인더루프: "사람을 대체"가 아닌 "사람 + 검수 루프로 신뢰 가능한 자동화"로 포지셔닝해 규제·책임 우려를 완화.

3. 카테고리 디자인/내러티브

신생 시장에서는 경쟁보다 카테고리 정의가 더 강력하다. 내러티브 4단계: (1) 세상의 변화(왜 지금) → "AI가 전문 업무를 수행 가능해졌다" (2) 적의 명명 → 느리고 비싼 수작업/BPO (3) 약속의 땅 → 성과가 자동으로 배달되는 운영 (4) 마법의 선물 → 우리 에이전트만의 메커니즘. AWS Marketplace에 2025년 AI 에이전트 카테고리가 신설되어 3,000개+ 제품이 등록된 것처럼, 명명된 카테고리의 첫 리더가 되는 것이 목표다.

4. 수평형 대비 버티컬 우위

범용(수평형) 에이전트 대비 방어 가능한 4가지 해자를 메시지의 중심에 둔다.

• 도메인 데이터: 산업 고유 코퍼스·라벨·엣지케이스로 학습 → 정확도 우위
• 워크플로 통합: 해당 직무의 시스템(EHR, LOS, 청구 시스템)과 깊은 연동 → 실제 업무 완결
• 신뢰: 도메인 평가·감사 추적·설명가능성으로 전문가 신뢰 확보
• 규제 적합: HIPAA, SOC2, 산업별 컴플라이언스를 기본 탑재 → 수평형이 넘기 어려운 진입장벽

5. 메시지 하우스 구조

포지셔닝을 전 채널 일관 언어로 변환하는 산출물.

• 지붕(우산 메시지): 핵심 가치 제안 1문장 (예: "당신의 [직무]를 자동 완결하는 AI 동료")
• 기둥 3개(Pillars): 페르소나가 가장 중시하는 테마 — 예) ① 성과/ROI ② 신뢰·정확도 ③ 규제·보안
• 토대(Proof Points): 기둥별 4유형 증거 — 정량(벤치마크·절감률), 고객 증거(실명 사례), 제3자 검증(분석가·인증), 메커니즘(작동 원리)
• ICP별 변형 메시지와 반론 대응(objection)도 포함해 영업·마케팅·PR이 동일 스토리를 강화하도록 한다.

ICP & 바이어 페르소나

에이전트 기반 버티컬 AI의 ICP는 일반 SaaS와 다르게 정의해야 한다. 시트(seat)가 아니라 성과 단위(outcome unit)(해결된 티켓, 작성된 차트, 검토된 계약)를 파는 제품이므로, ICP의 본질은 "그 성과 단위가 반복적·고볼륨이고, 결과를 객관적으로 검증할 수 있는가"이다. 또한 추론 비용(토큰·실행)이 가변 원가로 잡히므로, 마진이 나오는 고객만 ICP에 들어간다.

1. 이상적 고객 프로파일(ICP)

ICP는 4개 축으로 명세한다.

벤더 예시로 검증 가능한 성과 단위가 ICP를 어떻게 좁히는지 보자. EvenUp(개인상해 디맨드레터, 30,000+ 건 처리)은 "사건 볼륨이 많고 정형화된 PI 로펌"으로, Sierra(해결당 과금, SiriusXM·Sonos)는 "반복 문의 비중이 높은 B2C 브랜드"로, Legora는 "계약 검토량이 많은 로펌"으로 ICP를 압축한다. 공통점은 단위 성과가 측정 가능 → 성과 기반 과금 가능 → ROI 입증 용이라는 인과 사슬이다.

ICP 정량 스코어는 (월 워크플로 볼륨 × 건당 노동비) − (예상 추론·HITL 비용) 로 잠재 절감액을 산출해 컷오프를 둔다. 이 값이 양(+)이고 검증 자동화가 가능한 계정만 통과시킨다.

2. 바잉 커미티

B2B 바잉 커미티는 2024년 8.2명에서 2026년 11명+로 비대해졌다(Gartner). 에이전트 제품은 자율성·데이터 접근 때문에 위원회가 더 커지고, 보안/법무가 후기 단계 거부권자가 된다. 멀티스레드로 다음을 디스커버리 단계에서 매핑한다.

• 챔피언(엔드유저 리더): 매일 페인을 겪는 운영 리더. 백로그·번아웃을 해소받음. → "에이전트가 80%를 처리하고 사람은 예외만"이라는 HITL 내러티브로 무장시킨다.
• 이코노믹 바이어(예산권자): VP/C레벨. 시트가 아닌 성과당 단가 대비 FTE 절감으로 설득. ROI는 절감액·회수기간(payback)으로 제시한다.
• 엔드유저(상담사/심사역/주니어): 일자리 위협을 느끼는 집단. "대체"가 아닌 "고부가 업무로 재배치" 메시지가 채택 저항을 낮춘다.
• 보안/법무/IT(게이트키퍼): 후기 단계 데드 딜의 최대 원인. 보안 취약점(56%)·거버넌스 리스크(34%)가 우려 상위. 데이터 레지던시, 감사 로그, SOC 2/GDPR/HIPAA, 모델 접근 통제, **"무엇이/왜 일어났고, 옳고 안전했으며, 허용됐고, 사전 차단 가능했는가"**를 답하는 Evidence & Control 레이어를 선제 제공한다.

실무 체크리스트: ① 챔피언 1인에만 의존하지 않기 ② 보안/법무를 리갈리뷰가 아닌 디스커버리에서 호출 ③ HITL 승인 흐름·롤백을 데모에 포함 ④ 평가(eval) 결과·정확도/에스컬레이션 비율을 수치로 제시.

3. 안티-ICP

다음은 의도적으로 배제한다.

• 저볼륨·고변동 워크플로: 단위가 매번 달라 에이전트 학습/평가가 안 되고 추론 비용 대비 마진이 음(−).
• 검증 불가능한 성과: "생산성 향상" 같은 정성 가치만 있으면 성과 과금·ROI 입증 불가.
• 셀프서브 기대 SMB: AI 에이전트는 통합·워크플로 설계가 복잡해 셀프 온보딩 시 빠르게 이탈한다(세일즈드 권장).
• 제로리스크 규제 환경에서 풀오토메이션 요구: HITL 없이 자율 실행을 강제하면 컴플라이언스 거부. MIT 기준 엔터프라이즈 GenAI 파일럿 95%가 ROI 미입증으로 실패하는 영역.

4. 트리거 이벤트

타이밍 신호를 영업 트리거로 운영한다.

• 신임 임원 부임: 신규 VP/C레벨은 60~90일 내 툴스택을 재평가(첫 30일 내 아웃리치 효과 최대).
• 규제·감사 이벤트: 신규 AI/산업 규제, 감사 지적, 컴플라이언스 비용 급증($5B 추정 시장).
• 인력난·백로그 급증: 지식 노동 인력난은 판단형 업무 자동화 수요의 핵심 드라이버.
• 비용 절감 명령·구조조정, 펀딩/M&A, SLA 위반 공개 등.

5. 세그먼트 우선순위화 기준

세그먼트를 4개 가중 기준으로 스코어링(0~5)한다.

총점 상위 1~2개 버티컬에 자원을 집중하고, "underserved 세그먼트에서 시작 → 등대 고객(lighthouse) 확보 → 인접 확장" 순으로 랜드한다. 버티컬 AI 시장은 2024년 51억 달러에서 2030년 471억 달러로 성장 전망이며, 좁고 검증 가능한 성과로 먼저 신뢰를 쌓은 벤더가 확장 우위를 가진다.

가치 제안 & 메시징

기능이 아니라 결과로 말하기

버티컬 AI 에이전트는 도구가 아니라 결과물(outcome)을 판다. 콜센터 SaaS가 아니라 해결된 티켓을 파는 것이다. 메시지는 소프트웨어 예산이 아닌 노동 P&L(인건비) 을 겨냥한다. 전환 공식은 [기능] → [고객 동사] → [성과 지표] → [화폐 단위]. 예) "청구 코딩 자동화로 건당 12분→90초, 거부율 9%→2%, 상담사 1인당 월 320만 원 절감".

성과/ROI 4축 메시징

• 시간: 티켓 80% 자동 해결(Intercom Fin)
• 비용: 연 6천만 원 인력을 연 360만 원 에이전트로
• 정확도: HITL 적용 시 정확도 99.8%, 환각 96% 감소
• 매출: 제조 생산성 15~25% 향상(Gartner)

Before/After 내러티브

페르소나마다 "현재 고통 → 도입 후" 2단 구조를 만든다. 예) 대출 심사에서 Alex(소득 5.5만 달러)는 사람 검토로, Jamie(소득 6만 달러)는 자동 승인으로 분기해 언제 사람이 개입하는지 보여준다. Before는 반드시 고객의 현재 KPI 수치로 채운다.

정량 가치 계산기(Value Calculator)

ROI(%) = (연간 절감액 − 운영비) ÷ (구축비 + 운영비) × 100. 에이전트 특유의 추론 비용을 운영비에 명시한다. 예) 월 LLM 50만 원이 들어도 월 200만 원 절감이면 순익 150만 원. 직접 절감(시간·오류)만으로 보수적 산출하고 매출 증대는 "추가 기대효과"로 정성 분리한다. 변수: 처리 건수, 건당 인건비, 오류율, 자동화율, 추론비.

페르소나 × 펀넬별 메시지 (P1-P2-P3)

• P1(현업): "내 단순작업이 사라진다". 데모, 트라이얼.
• P2(예산 결정자, 가장 중요): ROI 계산기, 성과 보장(SLA). "건당 0.99달러, 미달 시 환불".
• P3(보안·법무·IT): HITL 설계, 감사로그, 규제 준수, 추론 비용 통제.
• 펀넬: 인지(TOFU)는 화폐화, 고려(MOFU)는 결과 증명(케이스스터디·데모·평가), 결정(BOFU)은 위험 제거(파일럿·보장).

데모 스토리라인 설계

Before 고정(고객 현재 KPI) → 마법의 순간(업무 1건 자율 수행) → 신뢰 장면(신뢰도 85% 미만 시 사람에게 HITL 에스컬레이션해 감독 가능한 보조자임을 입증) → 근거 노출(의사결정 경로·출처) → After 정산을 ROI 계산기로 연결. 성과 단위 판매의 핵심은 메시지·계산기·데모·가격을 하나의 성과 지표(해결된 티켓 등)로 정렬하는 것이다. Intercom Fin은 이 정렬로 ARR을 100만 달러에서 1억 달러 이상으로 키웠다.

가격 전략

에이전트는 사람이 아니라 작업(work)을 자율 실행하기 때문에, 좌석 수로 가치를 측정하던 SaaS 가격 논리가 무너진다. 동시에 모든 실행이 토큰·API 호출이라는 **실제 변동비(COGS)**를 발생시켜, 가격을 잘못 잡으면 매출이 늘수록 마진이 깎이는 구조가 된다. 이 섹션은 버티컬 AI 에이전트를 시장에 내놓을 때의 가격 모델·패키징·실험·함정을 실무 관점에서 정리한다.

4대 가격 모델 비교

Bessemer의 2026 AI Pricing Playbook에 따르면 하이브리드는 이미 사실상 표준으로, AI 벤더 채택률이 2025년 27% → 2026년 41%로 올랐다. 순수 시트는 21% → 15%로 하락했고, Gartner는 2030년까지 엔터프라이즈 SaaS 지출의 40% 이상이 사용량·에이전트·성과 기반으로 이동할 것으로 본다.

성과 기반 가격: 버티컬의 무기이자 지뢰

버티컬은 측정 가능한 결과 단위가 명확해 성과 과금에 가장 유리하다. 실제 카테고리/벤더 예시:

• 고객지원: Zendesk(2024.8 최초로 성과 과금 도입, "Automated Resolution"당 약정 $1.50 / PAYG $2.00), Intercom Fin(해결당 $0.99, 휴먼 이관·실패 시 미과금), HubSpot Customer Agent($0.50)
• 리걸: EvenUp(생성된 demand letter당 과금), Harvey(2025.11 시트 → "법률 업무 판매" 레비뉴셰어로 전환 발표)
• 헬스케어: Abridge(진료 대화 → 임상 노트, 117M ARR 규모로 노트 단위 가치)

성과 과금 설계의 핵심은 **귀속(attribution)**이다. "결과의 원인이 우리 에이전트임을 증명"하지 못하면 정렬이 아니라 분쟁이 된다. 실무 체크리스트:

1. 단위 정의를 계약서 수준으로 못박기: Intercom처럼 "휴먼 이관·절차 실패는 과금 제외", "대화당 최대 1회"처럼 경계를 명시.
2. 베이스라인 합의: 도입 전 처리율·비용을 측정해 증분만 과금.
3. 메트릭 게이밍 방지: "해결 속도"만 보상하면 CSAT를 희생해 티켓을 빨리 닫는 부작용이 생긴다. 품질 가드레일(예: 해결 후 72시간 무재문의 확인)을 함께 둘 것.

추론 원가와 마진: 가격의 바닥(floor)

AI 네이티브의 매출총이익률은 52% 수준(ICONIQ, 2026.1; 2024년 41%→2025년 45%→2026년 52%)으로 SaaS의 80~90%보다 구조적으로 30%p 낮다. 스케일링 단계에서는 추론이 매출의 **약 23%("token tax")**를 잠식한다. 따라서 가격을 정하기 전 단위 원가부터 계산한다:

• 단위 원가 = (입력 토큰×입력가 + 출력 토큰×출력가) + 오케스트레이션 오버헤드(임베딩·벡터검색·재시도·관측, 보통 +30~60%)
• 에이전틱 루프는 2023년 단순 완성 대비 토큰을 10~100배 소모 → 토큰 단가는 내려도 작업당 순원가는 오를 수 있음.

마진 레버: 프롬프트 캐싱(Anthropic·OpenAI 캐시 입력 ~90% 할인)으로 안정적 시스템 프롬프트 제품은 쿼리 원가를 한 자릿수배 절감 가능, 라우팅(쉬운 작업은 저가 모델), 모델 가격 하락 반영(예: Opus 신버전이 구버전 대비 토큰당 1/3 수준). 모든 성과/사용 가격에는 단위 원가의 최소 2~4배 마진 플로어를 두고, 성과 단가가 이 플로어 아래로 내려가는 헤비 유저 구간엔 사용량 캡 또는 오버리지를 건다.

패키징·티어링

"메트릭에만 매달리지 마라 — 돈은 패키징에서 난다."

• 가치 단위 선택: 워크플로·산출물·사용자·에이전트·결과 중 고객이 예측·모니터·통제 가능한 단 하나를 가치 앵커로 고정.
• Good/Better/Best: 좌석이 아니라 자율성·정확도·범위·우선처리로 차등. Good=셀프서브+사용 캡, Better=팀 협업·높은 캡·우선처리, Best=엔터프라이즈 약정·커스텀 모델·전담 지원.
• 베이스 + 미터링: 플랫폼 기본 가치는 고정비에 포함하고, 변동비를 유발하는 AI 실행만 미터링해 마진을 방어.

파일럿 → 확장 가격

1. 파일럿: 성공 기준·측정·리포팅을 소수 고객으로 검증(고정 파일럿비 또는 무료 + 성과 측정). 절대 처음부터 순수 성과 과금으로 시작하지 말 것 — 귀속 로직이 검증 전.
2. 랜드: 하이브리드(기본 구독 + 소량 성과/사용)로 예측성 제공.
3. 확장: 측정·계약·운영 워크플로에 확신이 생기면 성과 비중 확대. 확장 전 가격·제품·빌링·RevOps 내부 정렬이 필수.

가격 실험과 흔한 실수

• ❌ 모호한 KPI로 성과 정의 → 분쟁. ✅ 베이스라인·귀속·예외를 사전 합의.
• ❌ 원가 무시한 정액·무제한 → 헤비 유저가 마진을 폭파(앤트로픽도 무제한 코드 에이전트에서 사용량 과금으로 전환).
• ❌ 코파일럿(소프트 ROI)에 성과 과금 강요 → 가격 결정력 약함. ✅ "에이전트=하드 ROI=강한 가격력, 코파일럿=약함" 구분.
• ❌ 성과 과금을 서비스 없이 운영 → 약속한 가치 실현 실패. ✅ 휴먼인더루프·CS를 가격에 내장.
• ✅ 실험 방법: 코호트별 A/B(가격 그랜드페더링), 가치 단위 변경은 분기 1회 이하, 청구 충격 방지용 예측 대시보드 제공.

GTM 모션 & 채널

에이전트 기반 버티컬 AI의 GTM은 전통 SaaS와 결정적으로 다르다. 판매 단위가 시트(seat)가 아니라 성과(outcome) 이고, 도입에는 워크플로 설계·통합·신뢰 확보가 선행되며, 추론 비용(COGS)이 마진에 직접 영향을 준다. 따라서 모션과 채널 선택은 "버티컬의 성과 단위가 얼마나 명확한가"와 "에이전트의 자율성 수준(휴먼인더루프 비중)"을 축으로 설계해야 한다.

1. PLG vs 세일즈드리븐 vs 하이브리드 — 의사결정 기준

버티컬 AI는 ACV가 6~7자리에 형성되는 경우가 많아 세일즈드리븐(direct sales) 이 경제성을 회복한다(Crunchbase, Defy). 반면 Menlo Ventures 2025 보고서에 따르면 PLG가 AI 지출의 27% 를 차지해 전통 SW(약 7%)의 4배에 달한다. 즉, 단일 정답은 없고 다음 기준으로 믹스를 결정한다.

실무 권고는 창업자 주도 세일즈로 시작해 3~5개 레퍼런스에서 반복 가능한 성공 공식을 확보한 뒤, 저마찰 진입(무료 평가·샘플 처리)을 얹는 하이브리드로 전환하는 것이다. 순수 셀프서브 freemium은 온보딩 복잡도 때문에 조기 이탈을 유발하므로 위험하다.

2. Land & Expand — 에이전트 특화 플레이북

전통 SaaS의 "시트 추가"가 아니라 처리량(volume)·신뢰 범위(scope)·자율성(autonomy) 세 축으로 확장한다.

1. Land: 단일·측정 가능한 워크플로에서 60~90일 PoV(Proof of Value) 를 실행한다. "PoC가 아니라 production 증명"이 목표다. 시작 전 baseline(처리시간·오류율·전환율)을 고정하고 에이전트 활동량이 아니라 다운스트림 결과를 측정한다.
2. 신뢰 적립: confidence threshold·승인 루프를 day 1부터 설치하고, 성과가 입증되면 휴먼인더루프 비중을 단계적으로 낮춘다.
3. Expand: (a) 처리량 확대 → (b) 인접 워크플로 → (c) 자율성 상향(suggest → approve → auto).

경고: 2024~2025 폭발적 land 이후 2026년 첫 갱신 사이클에서 "음악이 멈춘다." 기업의 약 42%가 AI 이니셔티브 다수를 폐기했고, 평균적으로 PoC의 절반가량이 production에 도달하지 못한다. 성과 단위 가격(예: 해결된 티켓당, 분석된 계약당) 이 갱신 방어의 핵심이다. 참고 벤더 가격: Sierra는 해결 성과당 과금(연 $200K~$350K+ 추정), Decagon은 대화당 ~$0.99 + 플랫폼 $50K/년 구조다.

3. 파트너 & 생태계 (SI·컨설팅·플랫폼 마켓플레이스)

버티컬 도메인 통합·규제 대응은 자체 인력만으로 불가능하다. 세 갈래로 활용한다.

• 플랫폼 마켓플레이스: Salesforce AgentExchange(2025.3 출시, 200+ 파트너, 보안·고객 리뷰 통과한 액션/토픽/템플릿)와 AWS Marketplace(Salesforce가 누적 $2B 돌파)는 조달·신뢰 검증·청구를 대신 처리해 엔터프라이즈 영업주기를 단축한다. MCP(Model Context Protocol) 서버 등록으로 상호운용성을 확보하라.
• SI·컨설팅(Deloitte·Accenture·로컬 SI): 구현·체인지매니지먼트를 위탁해 확장한다. Salesforce는 272,000명 AI 인증 인력을 양성했다 — 채널 enablement(인증·플레이북)에 투자해야 파트너가 판다.
• 신뢰 게이트: 마켓플레이스는 보안 리뷰가 진입 장벽이자 차별점이다. 평가(eval) 리포트·감사 로그를 패키징해 리스팅 심사를 통과시켜라.

4. 커뮤니티 & 아웃바운드/인바운드 믹스

• 커뮤니티/개발자 주도: 기술 장벽이 낮아질수록 GTM·도메인 전문성이 차별화 요소다. Replicate처럼 빌더 커뮤니티로 템플릿·평가셋·통합을 확산시키면 인바운드 파이프라인이 된다. 버티컬에서는 도메인 커뮤니티(예: 사내 변호사·청구 담당자 모임) 가 더 강력하다.
• 인바운드: 측정 가능한 ROI 사례(before/after 수치), 벤치마크, eval 투명성 콘텐츠로 신뢰를 선판매한다.
• 아웃바운드: ACV가 크고 ICP가 좁은 버티컬일수록 ABM(account-based) 아웃바운드가 효율적이다. 단, AI-증강 팀이 완전 자동·완전 수동 팀을 모두 능가한다 — 시그널 탐지·스케일은 에이전트가, 신뢰 구축·반론 처리·클로징은 사람이 맡는 휴먼인더루프 세일즈가 최고 ROI다.

5. 버티컬 특성에 맞는 모션 — 체크리스트

• [ ] 성과 단위가 명확/측정 가능한가? → 가능하면 성과 기반 가격 + PLG 진입 결합
• [ ] 규제·신뢰 부담이 큰가(헬스·금융·법률)? → 세일즈드리븐 + SI + 마켓플레이스 신뢰 게이트
• [ ] 코어 시스템 통합이 무거운가? → 파트너 구현 채널 필수
• [ ] 자율성이 낮은가(승인 루프 필요)? → land 단계에서 휴먼인더루프 강조, expand에서 자율성 상향
• [ ] 추론 COGS가 마진을 압박하는가? → 성과/태스크 단위 가격으로 비용-가치 연동, 무한 freemium 회피

콘텐츠 & 디맨드 제너레이션

에이전트 버티컬 AI는 시트(seat)가 아니라 해결된 결과(resolved outcome)를 판다. 모든 콘텐츠는 자율로 몇 건을 끝내고 추론 비용 대비 얼마를 돌려주는가를 입증해야 하며, AI 신뢰 32%(2025 Edelman)라는 신뢰 격차를 메워야 한다.

1. AEO/GEO

B2B 구매자 51%가 구글이 아닌 AI 챗봇으로 리서치를 시작한다(2025년 4월 29%). AEO(구글 AI Overview, 스니펫 인용)와 GEO(ChatGPT, Perplexity, Claude 답변 인용)가 1순위. 체크리스트는 첫 50단어 정답, 질문형 H2, Article과 FAQ JSON-LD 스키마, 800에서 1500단어, 표 데이터다. 프라이어 오써라이제이션 자동화 비용 같은 워크플로 질문을 H2로 박는다. 콘텐츠 벨로시티가 인용 빈도를 좌우하며 Profound, Conductor로 점유율을 추적한다. HubSpot은 AEO 전환이 3배라고 보고했다.

2. 띠어트 리더십

비전이 아니라 벤치마크와 경제성 모델 공개. BCG는 고ROI 배포의 70%가 기존 프로세스 임베딩에서 나온다고 본다. 건당 추론 비용 대 인건비 비교, 자율 해결율(deflection)과 휴먼인더루프 에스컬레이션 비율을 담은 자체 평가 리포트가 핵심이다.

3. 인터랙티브 데모

PLG 디맨드젠은 Navattic, Storylane, HowdyGo. 복잡한 세일즈는 Reprise, Demostack, Walnut(풀 앱 클로닝, 라이브 데이터). Navattic 2025 리포트는 상위 1% 데모만 CTR 68.7%, 인게이지먼트 37.7% 상승이라 밝혔다. 데모에 휴먼인더루프 승인 화면과 추론 trace를 노출하고 샌드박스에서 실제 티켓 1건 해결 체험을 제공한다.

4. 웨비나

등록에서 참석 전환 평균 57%, AI 리마인더로 71%. 시리즈가 단발 대비 참석률 38% 대 33%. 인터랙티브 요소 시 인게이지먼트 2.3배. 14일 내 4회 이상 개인화 팔로업 시 전환 17.4%(단일 메일 9.1%의 2배). 웨비나에서 샌드박스로 즉시 연결한다.

5. 케이스스터디와 소셜 프루프

피어 리뷰와 데모가 애널리스트 리포트를 제쳤다. Decagon은 Chime 40%에서 70%+, Hertz 10%에서 70%+(6주). EvenUp은 디맨드 레터 자동 생성. 산업 평균 AI 고객지원 ROI는 1달러당 3.50달러, 페이백 3에서 6개월. 케이스 5요소는 베이스라인, 자율 해결율, 에스컬레이션 비율, 추론 비용 절감, 도입 기간이다. G2 점수(Storylane 99/100), 동종 로고, 컴플라이언스 감사 로그 인증을 노출한다.

6. 펀넬 매핑

구매 여정 압축으로 숏리스트 도달이 빨라지므로 MOFU의 라이브 데모와 경제성 증명에 가장 두텁게 투자해야 한다.

출처: Profound(AEO Playbook 2025), HubSpot(AEO trends 2026), Stormy AI(Outcome-Based Pricing 2026), ACTGSYS(Vertical AI Agents 2026), Demand Gen Report(Buyer Trust, Peer Proof), Reprise(Demo Platforms), Goldcast(2025 Webinar Benchmark), Decagon(Case Studies), AI Monk(Agentic AI ROI 2025-2026).

신뢰·보안·도입 장벽 극복

도입을 막는 건 기능이 아니라 신뢰다. 에이전트는 자율 실행하므로 "틀리면 누가 책임지나"가 구매의 핵심 반론이 된다. 신뢰를 막연한 약속이 아니라 증명 가능한 시스템으로 만들어 오히려 영업 무기로 전환하는 것이 목표다.

1. 정확도·환각·평가(eval)

• 도메인 **골든셋(golden set)**과 회귀 테스트로 정확도를 수치화한다 — 예: 자동처리율 95%, 정확도 99.x%, 휴먼 에스컬레이션 5%.
• eval 리포트를 세일즈 자산으로 만든다: 벤치마크·실패 사례·개선 추이를 공개해 "측정·관리되는 시스템"임을 증명.
• 환각 억제: 검색증강(RAG)+출처 인용+신뢰도 임계값 미달 시 자동 에스컬레이션.

2. 휴먼인더루프(HITL)·거버넌스

• "사람 대체"가 아니라 "사람 + 검수 루프". 신뢰도·리스크 기준으로 자동/사람 처리를 분기한다.
• 감사 추적(audit log): 모든 결정의 입력·근거·출력·승인자를 기록 → 규제·책임 대응의 핵심.
• 승인 게이트, 역할 기반 권한, 즉시 롤백으로 통제 가능성을 보장.

3. 보안·컴플라이언스

규제 적합을 **기본 탑재(compliance by default)**로 포지셔닝하면 수평형 범용 에이전트가 넘기 어려운 진입장벽이 된다.

4. ROI 증명 & 변화관리

• 파일럿에서 Before/After 수치(처리시간·비용·오류율)로 가치를 입증하고, 성공 기준을 사전 합의한다.
• 변화관리: 현업의 "일자리 위협" 우려를 **"단순작업 제거 → 고부가 업무 집중"**으로 재프레이밍하고, 챔피언을 육성해 단계적으로 자동화 범위를 넓힌다.

5. 대표 구매 반론(objection)과 대응

반론별 표준 대응 스크립트를 미리 준비해두면 세일즈 사이클이 짧아지고, 신뢰가 구매 가속 요인으로 바뀐다.

세일즈 & POC/파일럿 전략

에이전트 기반 버티컬 AI는 SaaS의 "좌석(seat)"이 아니라 **자율 실행이 만들어내는 성과 단위(outcome unit)**를 파는 비즈니스다. 그래서 세일즈 프로세스, PoC 설계, 가격, 합의 형성 모두 전통 SaaS와 다르게 짜야 한다. 핵심 통계가 긴장감을 만든다. 2026년 3월 조사에서 엔터프라이즈의 78%가 에이전트 파일럿을 운영하지만 프로덕션 도달은 15% 미만이고, MIT 2025 GenAI Divide 리포트는 파일럿 실패율을 95%로 본다. 반면 명확한 KPI를 가진 파일럿은 79%가 6개월 이상 생존(KPI 없으면 23%)했다. 이 섹션은 "파일럿 연옥(pilot purgatory)"을 벗어나는 실무 설계를 다룬다.

1. 세일즈 프로세스: 성과 단위 판매

에이전트는 "해결(resolution)" "처리 건(case)" "완료된 워크플로우" 단위로 가치를 측정하므로, 세일즈 내러티브도 **단위 경제성(unit economics)**으로 구성한다.

• 가격 모델 매핑: Intercom Fin은 해결당 $0.99, Sierra는 성공 결과 기반(추정 연 $150K~$1.5M+), Decagon은 플랫폼 비용+대화당 과금(중간값 약 연 $400K). "건당" vs "해결당"의 차이를 직접 계산해 보여줘라. 60% 해결율이면 "건당 $1"은 실패한 40%까지 과금하므로 "해결당 $1"보다 비싸다.
• 추론 비용(inference cost) 투명화: 마진을 좌우하는 토큰/추론 비용을 PoC에서 측정해 TCO에 포함시킨다. 바이어가 가장 먼저 묻는 숨은 비용이다.
• 벤치마크 앵커: McKinsey State of AI 2025 기준 버티컬 AI는 범용 LLM 대비 평균 ROI 2.3배, 도입 6개월 후 71%가 가치를 지속 창출한다는 점을 ROI 가설의 출발점으로 쓴다.

2. PoC/파일럿 설계 (성공 기준·기간·범위·데이터)

90일 모델을 기본 틀로 잡되, 6주차에 명시적 Go/No-Go 게이트를 둔다. 결과를 계속 만지려고 파일럿을 무한 연장하는 것이 실패 1순위 원인이다.

**평가 하니스(eval harness)**가 신뢰의 핵심이다. ai-agent-eval-harness 같은 오픈소스 패턴처럼 (1) 케이스마다 환경을 wipe & re-seed해 재현성 확보, (2) PII 유출·프롬프트 인젝션 가드레일, (3) 모의 승인자(mock approver)로 에이전트가 위험 임계 시 인간 확인을 요청하는지 검증한다. Dataiku/Harris Poll에서 데이터 리더의 75%가 신뢰를 핵심 우려로 꼽았으므로, 정확도뿐 아니라 행동 일관성·안전성을 명시적 KPI로 측정한다.

3. 가치 실현 가속 (Time-to-Value)

• 섀도잉/병렬 운영: 30일간 기존 인력과 **병렬(shadow mode)**로 돌려 동등 이상 성과를 증명한다. 리스크 없이 베이스라인 대비를 만든다.
• 사전 통합 데모 환경: 바이어의 CRM/ERP 미러를 본뜬 고충실도 섹터 랩(sector lab)(예: 은행·CRM 시뮬레이션)을 미리 준비해 통합 지연을 제거한다. E2B 같은 에이전트 클라우드 샌드박스로 격리 실행을 보장한다.
• 기준선 사전 합의: 파일럿 시작 전 현재 처리시간·오류율을 측정해 둬야 "80% 단축" 같은 주장이 검증 가능해진다(제조 월말 보고 80%+ 단축, 물류 재고비용 20~30% 절감 등이 흔한 앵커).

4. 자격검증: MEDDPICC × 에이전트

엔터프라이즈 $100K+ ARR의 73%가 쓰는 MEDDPICC를 에이전트 맥락으로 재해석한다.

• M(Metrics): 해결율·FTE 절감을 성과 단위로 정량화.
• EB(Economic Buyer): 추론 비용·ROI를 들고 라인 리더(운영/지원 VP)와 직접 만난다.
• DC(Decision Criteria): 신뢰·평가·보안(SOC2, 데이터 거주)이 기술 평가의 분리된 축임을 인지.
• C(Champion): 챔피언을 컨텍스트 엔지니어로 키워 내부에서 평가 결과를 대변하게 한다.
• C(Competition): 빌드 vs 바이, 그리고 범용 코파일럿과의 차별점.

Spotlight.ai의 Qualification Agent처럼 필드 채움이 아니라 실제 대화 증거 기반으로 자격을 평가하는 흐름이 표준이 되고 있다.

5. 파일럿 → 프로덕션 전환율 높이기 & 합의 형성

• 상호 실행 계획(Mutual Action Plan): 6주 게이트, 보안 검토, 통합, 확장 일정을 단일 문서로 공유한다. 명확한 타임라인이 있는 프로젝트는 일정 준수 확률이 60% 높았다.
• 바잉 그룹 매핑: 숨은 인플루언서·기술 평가자·임원 스폰서를 초기에 식별해 합의를 설계한다.
• 확장(land-and-expand) 경로: 단일 워크플로우에서 인접 프로세스로 확장(예: affordability 에이전트가 구매→언더라이팅 시간을 40% 단축한 사례처럼 핸드오프 지점을 노린다).
• 전환을 위한 거버넌스: 버전관리·변경통제·승인 워크플로우를 파일럿에 미리 넣어, 프로덕션 전환이 "재구축"이 아니라 "스케일업"이 되게 한다. 선도 기업은 12~18개월 내 250~312% ROI를 보고한다.

지표 & 성장

에이전트 기반 버티컬 AI는 "좌석(seat)"이 아니라 **완료된 작업(outcome)**을 판다. 따라서 측정 체계도 전통 SaaS 펀넬 위에 작업 완료율·정확도·휴먼인더루프(HITL)·추론 마진이라는 에이전트 고유 레이어를 얹어야 한다. 이 섹션은 노스스타에서 코호트까지, 실무자가 바로 대시보드에 옮길 수 있는 지표 정의와 의사결정 기준을 제공한다.

1. 노스스타 & 펀넬 지표

버티컬 AI의 노스스타는 매출 선행 행동이어야 한다. 권장: "월간 자율 완료 작업 수(autonomous tasks completed/month)" 또는 도메인별 변형(해결 티켓 수, 작성 법률문서 수). 매출 자체보다 가치 선행성이 높고, 성과기반 과금과도 직결된다.

펀넬은 PLG(셀프서브)와 엔터프라이즈 세일즈가 혼재하므로 단계별로 분리 추적한다.

실무 체크리스트: ① 파일럿에 성공 기준(success criteria)을 계약 전에 수치로 못박을 것(예: 해결율 ≥70%, 오류율 <2%). ② 추론 비용을 CAC가 아니라 COGS로 분리해 단위경제(unit economics)를 왜곡하지 말 것 — AI 기업 매출총이익률은 50–60%로 SaaS의 80–90%보다 낮다(매 쿼리가 비용).

2. 제품/도입 지표 (활성화·작업 완료율·정확도)

에이전트의 "활성화(activation)"는 가입이 아니라 **첫 자율 작업 완료(time-to-first-autonomous-resolution)**로 재정의한다. 핵심 지표:

• 작업 완료율(Task Completion / Success Rate): 정답 ground-truth 또는 LLM-as-judge로 채점. SWE-bench, AgentBench, BrowseComp 같은 공개 벤치마크는 마케팅 비교 근거로 인용 가능.
• 정확도 / 오류율(Accuracy / Error Rate): 도메인별 정밀도·재현율.
• 봉쇄율(Containment Rate): 휴먼 개입 없이 목표를 끝낸 비율 — 고객 ROI 메시지의 핵심.
• 에스컬레이션 정밀도/재현율: 사람에게 넘겨야 할 건을 제때 넘겼는가(recall), 넘긴 것 중 실제로 필요했는가(precision). HITL 신뢰의 정량 지표.

벤더 평가/관측 도구(예: Braintrust, Fiddler, Maxim, LangSmith)로 회귀 테스트를 CI에 걸어 "정확도 드리프트"를 출시 차단 기준으로 삼는다. 활성화 레버: 온보딩 개선은 1년차 리텐션 +25%, 기능 채택률 70%+ 도달 시 리텐션 2배.

3. 리텐션 · NRR · 확장 매출

여기가 AI-네이티브의 함정 구간이다. 일반 B2B SaaS NRR 중앙값은 ~106%(엔터프라이즈 118%, SMB 97%)인데, AI-네이티브 제품의 NRR 중앙값은 ~48%, GRR ~40%로 급격히 낮다. 가격대별 격차가 결정적:

시사점: 저가·수평형 진입은 리텐션이 무너진다. 버티컬 + 고ACV + 워크플로 깊이(시스템오브레코드 통합)로 락인을 만들어야 NRR 100%+를 방어한다. 확장 매출은 좌석 추가가 아니라 작업량 증가·인접 워크플로 확장에서 나온다 — "월 평균 작업 수/고객" 추이를 확장의 선행지표로 본다. NRR ≥100% 기업은 YoY 48% 성장(미달 기업의 2배).

4. 성과기반 계약의 측정

성과 과금(per-resolution/per-outcome)은 마케팅 차별화 무기지만, 측정 정의가 곧 매출이다. 실제 모델:

• Intercom Fin: 해결당 $0.99 (좌석 $29/월 별도)
• Decagon: 연 플랫폼피 ~$50K + 해결당 ~$0.50
• Sierra: 성과기반, "성공 해결" 정의를 계약별 협상 (라우팅·인사는 대화당, 핵심은 해결당 블렌딩)
• EvenUp: 완료 법률문서당 과금

계약 설계 체크리스트:

1. "성공" 정의를 명시 — 60% 해결 에이전트에 "대화당 $1"은 실패한 40%까지 과금되어 "해결당 $1"보다 비싸다. 정의가 ROI를 바꾼다.
2. 기준선(baseline) 합의 — 도입 전 인간 처리율/비용을 측정해 절감액을 귀속(attribution).
3. 하이브리드 구조 권장 — 예: 연 $12K 플랫폼피 + 작업 100건 포함 + 추가 100건당 $5K. 예측가능성과 확장 업사이드를 동시 확보.

5. 코호트 분석

도입월(또는 모델 버전) 기준 코호트로 ① 완료율 ② NRR ③ 작업량/고객을 추적한다. 핵심은 모델 릴리스를 코호트 축으로 추가하는 것 — 신모델이 정확도를 올렸는지, 추론비 상승이 마진을 깎았는지 분리 관찰. 세그먼트(ACV 구간·버티컬·셀프서브 vs 세일즈)별로 리텐션 곡선을 비교해 GTM 자원을 NRR이 살아남는 코호트에 집중한다.

실행 플레이북 & 90일 런치 체크리스트

에이전트 제품은 "기능"이 아니라 **자율 실행 결과(outcome)**를 판다. 따라서 GTM도 SaaS 시트(seat) 판매 논리가 아니라, 성과 단위·추론 비용·신뢰/평가·휴먼인더루프를 축으로 재설계해야 한다. 아래는 포지셔닝부터 세일즈까지의 6단계와 이를 90일에 압축한 실행 플랜이다.

1. 6단계 실행 시퀀스 (포지셔닝 → 세일즈)

포지셔닝은 호리즌탈 챗봇과 명확히 분리한다. Harvey(법률, ARR 약 $75M), Sierra(고객지원, 해결 티켓당 과금), Decagon(문의 70~90% 처리 + 휴먼 콘솔), Hippocratic(헬스케어)처럼 "단일 산업·단일 워크플로의 실행 주체"로 포지셔닝하는 것이 버티컬의 핵심이다.

ICP는 정적 펌머그래픽 대신 시그널 기반으로 정의한다. AI 기반 시그널 타게팅은 정적 ICP 대비 회신율 약 2.3배, 영업 사이클 약 41% 단축 사례가 보고된다. "월 처리 티켓 X건 이상 + 특정 시스템(예: Zendesk/Salesforce) 사용 + 규제 업종"처럼 자동화 가능 볼륨이 큰 세그먼트를 1순위로 둔다.

2. 가격: 성과 단위로 역산

2026년 표준은 **하이브리드(고정 플랫폼 피 + 성과/사용량 변동)**다(SaaS의 43% → 연말 61% 전망). 실제 벤치마크:

• Intercom Fin: 해결 1건당 $0.99, 미해결 시 무과금
• Zendesk: 자동 해결당 $1.50(약정) / $2.00(PAYG)
• Sierra: 해결 티켓당 과금

가격 설계 시 추론 COGS를 먼저 본다. AI 매출총이익률은 약 50~60%(성숙 SaaS 70~90% 대비 낮음, ICONIQ 기준 2024년 41%→2026년 52% 개선). LLMflation으로 토큰 단가는 연 약 10배씩 하락하지만, 사용처가 늘며 총비용은 증가(Jevons 역설)하므로, 성과당 단가가 호출당 변동 COGS의 최소 3~4배가 되도록 가드레일을 설정한다.

3. 90일 런치 플랜 (주차별)

4. 역할별 체크리스트

• PMM/마케팅: [ ] 성과 단위 1줄 메시지 [ ] vs-코파일럿 대조표 [ ] ROI 계산기 [ ] 신뢰(보안·감사로그·HITL) 원페이저
• Sales/AE: [ ] 유상 파일럿 SOW [ ] eval 기반 성공 기준 합의 [ ] expand 트리거 정의
• Product/Eng: [ ] eval set + 회귀 테스트 [ ] 휴먼인더루프 에스컬레이션 [ ] SoR(CRM/EHR) 커넥터 [ ] 토큰/요청 단위 비용 계측
• Finance: [ ] 성과당 단가-COGS 마진 가드레일 [ ] 사용량 폭주 상한(cap)

5. 흔한 실패 패턴과 회피법

• 시트 단위로 판매 → 결과를 못 파는 함정. **성과 단위(해결·청구·예약)**로 전환.
• 추론 비용 무시한 정액제 → 헤비 유저가 마진 잠식. 상한 + 하이브리드로 방어.
• 데모는 화려, 프로덕션은 환각 → eval set 없이 출시 금지. 파일럿 합격 기준을 계약서에 명시.
• 휴먼인더루프 부재 → 규제 업종 도입 거절. 에스컬레이션·감사로그를 1차 메시지로.
• 빅뱅 자동화 약속 → 신뢰 붕괴. 소수 콜 타입 웻지 후 land-and-expand.
• 거버넌스 후순위 → 2026 1분기 조달 평가에서 거버넌스 메타데이터 가중치 약 20%. 보안·감사 패키지 선제 준비.

6. 빠른 실험 우선순위 (Impact/Effort)

원칙: "성과 증명(eval·ROI) → land(웻지) → expand". 신뢰 자산(평가·감사·HITL)은 마케팅 카피가 아니라 세일즈 자산으로 운영한다.